CN114387429A - 基于rpa及ai的车辆产权证处理方法、装置、设备及介质 - Google Patents
基于rpa及ai的车辆产权证处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114387429A CN114387429A CN202111675249.9A CN202111675249A CN114387429A CN 114387429 A CN114387429 A CN 114387429A CN 202111675249 A CN202111675249 A CN 202111675249A CN 114387429 A CN114387429 A CN 114387429A
- Authority
- CN
- China
- Prior art keywords
- key information
- vehicle
- information
- property right
- picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000003860 storage Methods 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000013473 artificial intelligence Methods 0.000 claims description 28
- 238000012015 optical character recognition Methods 0.000 claims description 19
- 238000003058 natural language processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012552 review Methods 0.000 claims description 9
- 238000004801 process automation Methods 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000012937 correction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Character Discrimination (AREA)
Abstract
本申请提出一种基于RPA及AI的车辆产权证处理方法、装置、设备及介质。其中,该方法包括:S1、对同一车辆产权证对应的各图片的内容进行识别,得到包含有多个关键信息的识别结果,该关键信息包括车辆登记编号信息、车辆型号信息、发动机型号信息和登记日期信息;S2、判断各项关键信息是否符合对应的编码要求,该编码要求包括身份证号的位数为第一设定位数、车辆登记编号的位数为第二设定位数,以及登记日期符合预设日期格式;S3、根据判断结果确定识别结果的存储地址,并按照存储地址对所述识别结果进行存储。通过采用上述技术方案,解决了人工处理车辆产权证内容时效率和准确率低下的问题。
Description
技术领域
本申请涉及流程自动化技术领域,尤其涉及一种基于RPA及AI的车辆产权证处理方法、装置、设备及介质。
背景技术
机器人流程自动化(Robotic Process Automation)简称RPA,是通过特定的“机器人软件”,模拟人在计算机上的操作,按规则自动执行流程任务。
人工智能(Artificial Intelligence,AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。
RPA具有独特的优势:低代码、非侵入。低代码是说,RPA不需要很高的IT水平就能操作,不懂编程的业务人员也能开发流程;非侵入是说,RPA可以模拟人的操作,不用软件系统开放接口。但是传统的RPA具有一定的局限性:只能基于固定的规则,并且应用场景受限。随着AI技术的不断发展,RPA与AI深度融合克服了传统RPA的局限,RPA+AI=Hand work+Head work,正在极大的改变劳动力的价值。
相关技术中,车辆产权证内容的处理均是由人工手动完成的。人工通过桌面扫描仪扫描车辆产权证,并在扫描完成后在系统中手动输入车辆产权证上的一些信息,例如人名、身份证、车辆登记编号、车辆型号、发动机号、编号和登记日期等。由于档案管理局每天有数千份、甚至上万份的车辆产权证需要手动录入到内部数字化系统中,通过人工的方式容易导致车辆产权证的处理效率和准确率低下的问题。
发明内容
本申请实施例提供一种基于RPA及AI的车辆产权证处理方法、装置、设备及介质,以解决人工处理车辆产权证内容时效率和准确率低下的问题,技术方案如下:
第一方面,本申请实施例提供了一种基于RPA及AI的车辆产权证处理的方法,包括:
S1、对同一车辆产权证对应的各图片的内容进行识别,得到包含有多个关键信息的识别结果,该关键信息包括车辆登记编号信息、车辆型号信息、发动机型号信息和登记日期信息;
S2、判断各项关键信息是否符合对应的编码要求,该编码要求包括身份证号的位数为第一设定位数、车辆登记编号的位数为第二设定位数,以及登记日期符合预设日期格式;
S3、根据判断结果确定识别结果的存储地址,并按照存储地址对所述识别结果进行存储。
可选的,步骤S1具体包括:
调用光学字符识别OCR组件,对同一车辆产权证对应的各图片的内容进行识别,得到包含有多个关键信息的识别结果。
可选的,在同一车辆产权证对应的各图片的内容进行识别之前,本申请实施例提供的方法还包括:
确定各图片中的车辆登记编号信息,并根据车辆登记编号信息,确定属于同一个车辆产权证的各个图片;
其中,属于同一车辆产权证的不同页图片中的车辆登记编号信息相同。
可选的,步骤S2具体包括:
S21、将各关键信息按照对应的预设字段存储到表格中;
S22、对于已存储的各关键信息,基于自然语言处理NLP服务判断每个关键信息是否满足对应的编码要求;
相应的,步骤S3具体包括:
S31、如果各关键信息均符合对应的编码要求,则将所述表格存入第一存储地址对应的第一文件夹中;
S32、如果存在至少一项关键信息不符合对应编码要求,则将表格及对应的车辆产权证图片存入第二存储地址对应的第二文件夹中,其中,第一存储地址和第二存储地址不同。
可选的,本申请实施例提供的方法还包括:
S23、对表格中不符合对应编码要求的关键信息进行标注。
可选的,本申请实施例提供的方法还包括:
发起人工审核请求,该人工审核请求用于指示用户对于不符合对应编码要求的关键信息进行修正。
可选的,本申请实施例提供的方法还包括:
将第一文件夹中的识别结果录入业务操作系统,并且,
将关键信息修正后的识别结果录入业务操作系统。
第二方面,本申请实施例提供了一种基于RPA及AI的车辆产权证处理装置,包括:
识别模块,被配置为对同一车辆产权证对应的各图片的内容进行识别,得到包含有多个关键信息的识别结果,该关键信息包括车辆登记编号信息、车辆型号信息、发动机型号信息和登记日期信息;
匹配模块,被配置为判断各项关键信息是否符合对应的编码要求,该编码要求包括身份证号的位数为第一设定位数、车辆登记编号的位数为第二设定位数,以及登记日期符合预设日期格式;
存储模块,被配置为根据判断结果确定识别结果的存储地址,并按照存储地址对所述识别结果进行存储。
可选的,识别模块,具体被配置为:
调用光学字符识别OCR组件,对同一车辆产权证对应的各图片的内容进行识别,得到包含有多个关键信息的识别结果。
可选的,本申请实施例提供的装置还包括:
登记编号信息确定模块,被配置为确定各图片中的车辆登记编号信息,并根据车辆登记编号信息,确定属于同一个车辆产权证的各个图片;
其中,属于同一车辆产权证的不同页图片中的车辆登记编号信息相同。
可选的,匹配模块,具体被配置为:
将各关键信息按照对应的预设字段存储到表格中;;
对于已存储的各关键信息,基于自然语言处理NLP服务判断每个关键信息是否满足对应的编码要求;
相应的,存储模块,具体被配置为:
如果各关键信息均符合对应的编码要求,则将表格存入第一存储地址对应的第一文件夹中;
如果存在至少一项关键信息不符合对应编码要求,则将表格及对应的车辆产权证图片存入第二存储地址对应的第二文件夹中,其中,第一存储地址和第二存储地址不同。
可选的,本申请实施例提供的装置还包括:
标注模块,被配置为对表格中不符合对应编码要求的关键信息进行标注。
可选的,本申请实施例提供的装置还包括:
请求发送模块,被配置为发起人工审核请求,该人工审核请求用于指示用户对于不符合对应编码要求的关键信息进行修正。
可选的,本申请实施例提供的装置还包括:
信息录入模块,被配置为将第一文件夹中的识别结果录入业务操作系统,并且,将关键信息修正后的识别结果录入业务操作系统。
第三方面,本申请实施例提供了一种用于对车辆产权证处理处理的设备,该设备包括:存储器和处理器。其中,该存储器和该处理器通过内部连接通路互相通信,该存储器用于存储指令,该处理器用于执行该存储器存储的指令,并且当该处理器执行该存储器存储的指令时,使得该处理器执行上述各方面任一种实施方式中的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储计算机程序,当计算机程序在计算机上运行时,上述各方面任一种实施方式中的方法被执行。
本申请实施例提供的技术方案,RPA机器人通过对同一车辆产权证对应的各图片的内容进行识别,解决了人工手动处理大量车辆产权证图片时费事费力的问题。并且,RPA机器人通过代替人工判断各项关键信息是否符合对应的编码要求,节省了人工对关键信息判断的时间,提高了对关键信息的处理效率和准确率。此外,RPA机器人通过根据判断结果确定识别结果的存储地址,并按照该存储地址对识别结果进行存储,进一步节省了人工对识别结果处理的时间,提高了车辆产权证识别结果的处理效率。
上述技术方案中的优点或有益效果至少包括:
1、RPA机器人通过对同一车辆产权证对应的各图片的内容进行识别,解决了人工手动处理大量车辆产权证图片时费事费力的问题。此外,RPA机器人通过代替人工判断各项关键信息是否符合对应的编码要求,节省了人工对关键信息判断的时间,提高了对关键信息的处理效率和准确率。
2、通过采用RPA与AI相结合的方式,对车辆产权证的图片内容进行识别,节省了人工扫描图片的时间,提升了图片的识别效率和准确率。
3、通过将符合对应编码要求的各关键信息对应的识别结果,与不符合对应编码要求的关键信息所对应的识别结果采用不同的存储地址进行存储,有助于对不同识别结果的管理,同时也便于后续工作人员对不符合对应编码要求的关键信息进行统一修正。
上述概述仅仅是为了说明书的目的,并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外,通过参考附图和以下的详细描述,本申请进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本申请公开的一些实施方式,而不应将其视为是对本申请范围的限制。
图1是本申请实施例一提供的一种基于RPA及AI的车辆产权证处理方法的流程图;
图2a为本申请实施例二提供的一种基于RPA及AI的车辆产权证处理方法的流程图;
图2b为本申请实施例二提供的一种车辆产权证的首页图片的效果截图;
图2c为本申请实施例二提供的一种车辆产权证第三页图片的效果截图;
图3为本申请实施例三提供的一种基于RPA及AI的车辆产权证处理装置的结构框图;
图4为本申请实施例四提供的一种用于对车辆产权证处理处理的设备的结构框图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
在本申请的描述中,术语“车辆产权证”是指证明机动车所有权和记录其他状况的重要凭证。其中,车辆产权证存在唯一对应的标识,即车辆登记编号信息。
在本申请的描述中,术语“编码要求”是指不同关键信息对应的标准,例如身份证号存在固定的位数要求,汽车登记编号也存在对应的位数要求。
在本申请的描述中,术语“NLP”指自然语言处理(Natural LanguageProcessing),具体是研究人与计算机交互的语言问题的一门学科。本申请实施例中,利用NLP服务判断关键信息是否满足对应编码要求,例如判断身份证号的位数是否为第一设定位数,车辆登记编号的位数是否为第二设定位数。
在本申请的描述中,术语“OCR”是指光学字符识别(Optical CharacterRecognition),具体是指电子设备检查纸上打印的字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程;即,针对印刷体字符,采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件,并通过识别软件将图像中的文字转换成文本格式,供文字处理软件进一步编辑加工的技术。
在本申请的描述中,术语“预设字段”是车辆产权证中的关键信息,例如,人名、身份证、汽车登记编号、车辆型号和登记日期等。“预设字段”对应的“属性值”是指关键信息的具体内容,例如“人名”对应的属性值为“张三”,“登记日期”对应的属性值为2021年12月30日。
在本申请的描述中,术语“人工审核请求”指机器人流程自动化(Robotic ProcessAutomation,RPA),机器人在确定出关键信息不符合对应编码要求时,向工作人员发送的人工审核请求,以请求工作人员对不符合编码要求的关键信息进行修正。
在本申请的描述中,术语“业务操作系统”是企业内部用于进行车辆产权证信息管理的业务操作系统,其中记录有车辆产权证中的关键信息。
参照下面的描述和附图,将清楚本申请的实施例的这些和其他方面。在这些描述和附图中,具体公开了本申请的实施例中的一些特定实施方式,来表示实施本申请的实施例的原理的一些方式,但是应当理解,本申请的实施例的范围不受此限制。相反,本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
以下结合附图对本申请实施例提供的基于RPA及AI的车辆产权证处理方法、装置、设备及介质进行详细介绍。
实施例一
图1是本申请实施例一提供的一种基于车辆产权证处理方法的流程图,该方法可应用于车辆产权证信息的管理过程中。本实施例的技术方案是通过RPA机器人来执行的,该RPA机器人可搭载在UiBot Creator平台上,该UiBot Creator平台是一款专业强大的机器人生产工具,为机器人提供良好载体。本实施例中,可以设置RPA机器人每天定时启动,并从设定文件夹中查看是否存在需要进行信息识别和录入的车辆产权证信息,以避免造成待处理车辆产权证信息积压的情况,达到提高车辆产权证信息处理效率的效果。如图1所示,本实施例提供的方法包括:
S110、对同一车辆产权证对应的各图片的内容进行识别,得到包含有多个关键信息的识别结果。
其中,关键信息包括车辆登记编号信息、车辆型号信息、发动机型号信息和登记日期信息。
本实施例中,对于员工提交到财务系统中的车辆产权证,该车辆产权证通常是以图片或者影印文件的形式存在。RPA机器人在对车辆产权证内容进行识别时,可结合人工智能(Artificial Intelligence,AI)技术中的OCR能力车辆产权证的图片,得到车辆产权证内容的识别结果。
本实施例中,具有图片、表格识别功能的AI平台为UiBot Mage平台,该UiBot Mage平台是一款主要为RPA机器人开发者提供AI能力支持的工具型产品。该平台与RPA机器人搭载的UiBot Creator平台均依赖于UiBot平台上,UiBot平台是流程自动化专家,是一款面向多类需求、为业务全流程提供智能机器人服务的平台。
可选的,可通过一个同时登录RPA平台以及AI平台的目标账号,即UiBot帐号,使得RPA机器人所搭载的平台与AI平台相结合。在使用该目标账号同时登录了RPA机器人所搭载的平台以及AI平台后,RPA机器人所搭载的平台即与AI平台建立了通信连接,也即RPA机器人可以直接调用AI平台已发布的OCR识别功能对车辆产权证内容进行识别。这样设置,相对于相关技术中先在AI平台采用OCR功能对车辆产权证的各图片进行识别,然后再采用人工的方式将识别后的数据导出,再通过人工导入到RPA平台的方式,本实施例通过将RPA平台与AI平台相结合,解决了相关技术在车辆产权证图片的识别过程中费时费力的问题,提高了车辆产权证图片的识别效率。此外,在车辆产权证图片数量较多的情况下,相对于相关技术中人工依次扫描图片的方式,本实施例这样设置,有效节省了工作人员的时间,降低了人力成本。
S120、判断各项关键信息是否符合对应的编码要求。
其中,不同关键信息的编码要求不同,例如编码要求可包括身份证号的位数为第一设定位数、车辆登记编号的位数为第二设定位数,以及登记日期符合预设日期格式,例如采用斜杠“/”作为年月日之间的分隔符等。
具体的,对于身份证号这一关键信息,RPA机器人可判断身份证号的位数是否为第一设定位数,如果身份证号的位数为第一设定位数,则确定身份证号这一关键信息符合对应的编码要求;而如果身份证号的位数不是第一设定位数,则确定身份证号这一关键信息不符合对应的编码要求
对于车辆登记编号这一关键信息,RPA机器人可判断车辆登记编号的位数是否为第二设定位数,如果车辆登记编号的位数为第二设定位数,则确定车辆登记编号这一关键信息符合对应的编码要求;而如果车辆登记编号的位数不是第二设定位数,则确定车辆登记编号这一关键信息不符合对应的编码要求。
对于登记日期这一关键信息,RPA机器人可判断登记日期是否符合预设格式,如果登记日期的格式为预设格式,则确定登记日期这一关键信息符合对应的编码要求;而如果登记日期的格式为预设格式,则确定登记日期这一关键信息不符合对应的编码要求。
S130、根据判断结果确定识别结果的存储地址,并按照存储地址对识别结果进行存储。
本实施例中,判断结果包括各关键信息均符合对应的编码要求,即匹配成功的情况,以及,至少一个关键信息不符合对应的编码要求,即匹配失败的情况。对于不同的匹配情况,本实施例对车辆产权证内容的识别结果的存储地址不同。这样设置,是为了便于RPA机器人对不同判断结果进行统一处理,例如,在匹配成功的情况下,RPA机器人可将该情况下的识别结果存储到一个指定的文件夹中,并可将该文件夹命名为处理成功,然后可将各项关键信息录入业务操作系统。在匹配失败的情况下,RPA机器人可将该情况下的识别结果存入另一个指定的文件夹中,并可将该文件夹命名为处理失败。对于处理失败的文件夹,RPA机器人可发起人工审核请求,以指示人工对该文件夹中的不符合对应编码要求的关键信息进行修正。
进一步的,RPA机器人在对车辆产权证的识别结果进行存储后,可将原设定文件夹中存储的该识别结果对应的车辆产权证信息删除,使得该设定文件夹存储的都是待处理的车辆产权证信息。
本实施例中,RPA机器人通过对同一车辆产权证对应的各图片的内容进行识别,解决了人工手动处理大量车辆产权证图片时费事费力的问题。RPA机器人通过代替人工判断各项关键信息是否符合对应的编码要求,节省了人工对关键信息判断的时间,提高了对关键信息的处理效率和准确率。此外,RPA机器人通过根据判断结果确定识别结果的存储地址,并按照该存储地址对识别结果进行存储,进一步节省了人工对识别结果处理的时间,提高了车辆产权证识别结果的处理效率。
实施例二
图2a为本申请实施例二提供的一种基于RPA及AI的车辆产权证处理方法的流程图,本实施在上述实施例的基础上,在对车辆产权证对应的各图片的内容进行识别之前的操作过程,以及根据判断结果确定识别结果的存储地址的操作过程,以及后续对不符合对应编码要求的关键信息的修正过程进行了细化,如图2a所示,本实施例提供的方法包括:
S210、确定各图片中的车辆登记编号信息,并根据车辆登记编号信息,确定属于同一个车辆产权证的各个图片。
其中,车辆登记编号信息是车辆产权证的唯一标识。同一车辆产权证存在多页,每页均存在与该车辆产权证对应的标识信息,即车辆登记编号信息。
本实施例中,RPA机器人在识别车辆产权证的各页图片的内容之前,可先确定各图片中的车辆登记编号信息,并可根据该车辆登记编号信息,确定属于同一个车辆产权证的各个图片。这样设置的好处在于,在RPA机器人处理的车辆产权证图片数量较多的情况下,能够使得各图片按照其所属车辆登记编号信息得到有效地分类,以便于后续对属于同一车辆产权证的各图片内容进行识别。
具体的,图2b为车辆产权证的首页图片的效果截图。对于车辆产权证的首页图片,其车辆登记编号信息位于右上角的条形码下方。图2c为本申请实施例二提供的一种车辆产权证第三页图片的效果截图,其车辆登记编号信息也是位于图片右上角。RPA机器人可先对图片的布局信息进行识别,得到感兴趣区域(Region Of Interest,ROI),即车辆登记编号信息所在区域,然后可从该感兴趣区域中提取出车辆登记编号信息。其中,对于车辆产权证的首页图片,RPA机器人也可通过调用OCR组件对首页中的条形码进行识别,得到车辆登记编号信息。
本实施例中,RPA机器人在得到各图片对应的车辆登记编号信息后,可根据该车辆登记编号信息建立各图片之间的关联关系,即可确定属于同一个车辆产权证的各个图片,从而可对属于同一个车辆产权证的各个图片进行统一处理。
S220、调用光学字符识别OCR组件,对同一车辆产权证对应的各图片的内容进行识别。
S230、将各关键信息按照对应的预设字段存储到表格中。
具体的,下表1为机动车产权登记表。如表1所示,其中包含有预设字段,即表头,例如人名、身份证、车辆登记编号、车辆型号、发动机号、编号、登记日期、文件名和录入状态等。RPA机器人可将各关键信息按照对应的表头填入该表格中。这样设置,是为了对同一车辆产权证的识别结果进行统一处理,并且也便于后续将同一车辆产权证中的各关键信息录入业务处理系统。
表1机动车产权登记证
人名 | 身份证 | 车辆登记编号 | 车辆型号 | 发动机号 | 编号 | 登记日期 | 文件名 | 录入状态 |
S240、对于已存储的各关键信息,基于NLP服务判断每个关键信息是否满足对应的编码要求,若是,则执行步骤S250,否则,执行步骤S260。
S250、将表格存入第一存储地址对应的第一文件夹中,并继续执行步骤S280。
S260、将表格及对应的车辆产权证图片存入第二存储地址对应的第二文件夹中,并对表格中不符合对应编码要求的关键信息进行标注,继续执行步骤S270。
其中,第二文件夹与第一文件夹的存储地址不同。本实施例中,将符合对应编码要求的各关键信息对应的识别结果,与不符合对应编码要求的关键信息对应的识别结果采用不同的存储地址进行存储。这样设置,是为了便于对不同识别结果的管理,同时也便于后续工作人员对不符合对应编码要求的关键信息进行统一修正。
本实施例中,将表格中不符合对应编码要求的关键信息进行标注,可采用将不符合对应编码要求的关键信息对应的背景进行高亮显示,或者,可将不符合对应编码要求的关键信息与其他符合对应编码要求的关键信息采用不同的颜色进行区分显示。这样设置,便于后续人工在对不符合对应编码要求的关键信息进行修正时,能够直接、明了地了解到哪些是待修正的关键信息,哪些是无需修正的关键信息。
S270、发起人工审核请求,继续执行步骤S280。
示例性的,RPA机器人通过发送邮件或者短信通知的方式,向相关工作人员发起人工审核请求。相关工作人员在接收到该人工审核请求后,可对第二文件夹中存储的表格进行修正。具体的,工作人员不对符合对应编码要求的关键信息进行修正时,可根据车辆产权证对应的各原始图片进行修正,并在修正完成后,可为该关键信息添加修正完成的标识,例如,可将原来的标注删除,以表示该关键信息现已符合对应的编码要求。
示例性的,RPA机器人可通过RPA机器人服务器向人机协同服务器发送人工审核请求,该人工审核请求中包含有不符合对应编码要求的关键信息所属的识别结果,以及车辆产权证的原始图片。其中,人机协同服务器是对于人工与机器人的协同工作进行管理的平台,该平台支持将需要人工判断、决策的任务分配给人工进行处理。人机协同服务器在接收到RPA机器人服务器发送的人工审核请求时,可将识别结果与车辆产权证的原始图片通过客户端的显示界面显示给用户,用户可在该界面上对关键信息进行修正,并在修正完成后,通过触发提交指令,可将修正完成的识别结果再上传到人机协同服务器。人机协同服务器可将修正结果发送给RPA机器人服务器,RPA机器人服务器可控制RPA机器人将该修正结果上传到企业内部的业务操作系统中。
S280、将第一文件夹中的识别结果录入业务操作系统,并且,将关键信息修正后的识别结果录入业务操作系统。
本实施例中,RPA机器人在将关键信息录入业务操作系统后,可将上表1中的录入状态修改为已录入。
本实施例提供的技术方案,通过在同一车辆产权证对应的各图片的内容进行识别之前确定各图片中的车辆登记编号信息,可根据车辆登记编号信息,确定属于同一个车辆产权证的各个图片。这样可在RPA机器人处理的车辆产权证图片数量较多的情况下,能够使得各图片按照其所属车辆登记编号信息得到有效地分类,以便于后续对属于同一车辆产权证的各图片内容进行识别。此外,通过将符合对应编码要求的各关键信息对应的识别结果,与不符合对应编码要求的关键信息所对应的识别结果采用不同的存储地址进行存储,有助于对不同识别结果的管理,同时也便于后续工作人员对不符合对应编码要求的关键信息进行统一修正。
实施例三
图3为本申请实施例三提供的一种基于RPA及AI的车辆产权证处理装置的结构框图,该装置可通过软件和/或硬件的方式来实现。如图3所示,该装置包括:识别模块310、匹配模块320和存储模块330,其中,
识别模块310,被配置为对同一车辆产权证对应的各图片的内容进行识别,得到包含有多个关键信息的识别结果,该关键信息包括车辆登记编号信息、车辆型号信息、发动机型号信息和登记日期信息;
匹配模块320,被配置为判断各项关键信息是否符合对应的编码要求,该编码要求包括身份证号的位数为第一设定位数、车辆登记编号的位数为第二设定位数,以及登记日期符合预设日期格式;
存储模块330,被配置为根据判断结果确定识别结果的存储地址,并按照存储地址对所述识别结果进行存储。
可选的,识别模块310,具体被配置为:
调用光学字符识别OCR组件,对同一车辆产权证对应的各图片的内容进行识别,得到包含有多个关键信息的识别结果。
可选的,本申请实施例提供的装置还包括:
登记编号信息确定模块,被配置为确定各图片中的车辆登记编号信息,并根据车辆登记编号信息,确定属于同一个车辆产权证的各个图片;
其中,属于同一车辆产权证的不同页图片中的车辆登记编号信息相同。
可选的,匹配模块320,具体被配置为:
将各关键信息按照对应的预设字段存储到表格中;;
对于已存储的各关键信息,基于自然语言处理NLP服务判断每个关键信息是否满足对应的编码要求;
相应的,存储模块330,具体被配置为:
如果各关键信息均符合对应的编码要求,则将表格存入第一存储地址对应的第一文件夹中;
如果存在至少一项关键信息不符合对应编码要求,则将表格及对应的车辆产权证图片存入第二存储地址对应的第二文件夹中,其中,第一存储地址和第二存储地址不同。
可选的,本申请实施例提供的装置还包括:
标注模块,被配置为对所述表格中不符合对应编码要求的关键信息进行标注。
可选的,本申请实施例提供的装置还包括:
请求发送模块,被配置为发起人工审核请求,该人工审核请求用于指示用户对于不符合对应编码要求的关键信息进行修正。
可选的,本申请实施例提供的装置还包括:
信息录入模块,被配置为将第一文件夹中的识别结果录入业务操作系统,并且,将关键信息修正后的识别结果录入业务操作系统。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述,在此不再赘述。
实施例四
图4为本申请实施例四提供的一种用于对车辆产权证处理处理的设备的结构框图。如图4所示,该设备包括:存储器910和处理器920,存储器910内存储有可在处理器920上运行的计算机程序。处理器920执行该计算机程序时实现上述实施例中的方法。存储器910和处理器920的数量可以为一个或多个。
该设备还包括:
通信接口930,用于与外界设备进行通信,进行数据交互传输。
如果存储器910、处理器920和通信接口930独立实现,则存储器910、处理器920和通信接口930可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器910、处理器920及通信接口930集成在一块芯片上,则存储器910、处理器920及通信接口930可以通过内部接口完成相互间的通信。
本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现本申请实施例中提供的方法。
本申请实施例还提供了一种芯片,该芯片包括,包括处理器,用于从存储器中调用并运行存储器中存储的指令,使得安装有芯片的通信设备执行本申请实施例提供的方法。
本申请实施例还提供了一种芯片,包括:输入接口、输出接口、处理器和存储器,输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连,处理器用于执行存储器中的代码,当代码被执行时,处理器用于执行申请实施例提供的方法。
应理解的是,上述处理器可以是中央处理器(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(digital signal processing,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(fieldprogrammablegate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是,处理器可以是支持进阶精简指令集机器(advanced RISC machines,ARM)架构的处理器。
进一步地,可选的,上述存储器可以包括只读存储器和随机存取存储器,还可以包括非易失性随机存取存储器。该存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以包括只读存储器(read-onlymemory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以包括随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用。例如,静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic random access memory,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data date SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,DR RAM)。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。
应理解的是,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (15)
1.一种基于机器人流程自动化RPA及人工智能AI的车辆产权证处理方法,应用于RPA机器人,其特征在于,包括:
S1、对同一车辆产权证对应的各图片的内容进行识别,得到包含有多个关键信息的识别结果,所述关键信息包括车辆登记编号信息、车辆型号信息、发动机型号信息和登记日期信息;
S2、判断各项关键信息是否符合对应的编码要求,所述编码要求包括身份证号的位数为第一设定位数、车辆登记编号的位数为第二设定位数,以及登记日期符合预设日期格式;
S3、根据判断结果确定所述识别结果的存储地址,并按照所述存储地址对所述识别结果进行存储。
2.根据权利要求1所述的方法,其特征在于,所述步骤S1具体包括:
调用光学字符识别OCR组件,对同一车辆产权证对应的各图片的内容进行识别,得到包含有多个关键信息的识别结果。
3.根据权利要求1或2所述的方法,其特征在于,在同一车辆产权证对应的各图片的内容进行识别之前,所述方法还包括:
确定各图片中的车辆登记编号信息,并根据所述车辆登记编号信息,确定属于同一个车辆产权证的各个图片;
其中,属于同一车辆产权证的不同页图片中的车辆登记编号信息相同。
4.根据权利要求1所述的方法,其特征在于,所述步骤S2具体包括:
S21、将各关键信息按照对应的预设字段存储到表格中;
S22、对于已存储的各关键信息,基于自然语言处理NLP服务判断每个关键信息是否满足对应的编码要求;
相应的,所述步骤S3具体包括:
S31、如果各关键信息均符合对应的编码要求,则将所述表格存入第一存储地址对应的第一文件夹中;
S32、如果存在至少一项关键信息不符合对应编码要求,则将所述表格及对应的车辆产权证图片存入第二存储地址对应的第二文件夹中,其中,第一存储地址和第二存储地址不同。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
S23、对所述表格中不符合对应编码要求的关键信息进行标注。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
发起人工审核请求,所述人工审核请求用于指示用户对于不符合对应编码要求的关键信息进行修正。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
将所述第一文件夹中的识别结果录入业务操作系统,并且,
将关键信息修正后的识别结果录入业务操作系统。
8.一种基于RPA及AI的车辆产权证处理装置,其特征在于,包括:
识别模块,被配置为对同一车辆产权证对应的各图片的内容进行识别,得到包含有多个关键信息的识别结果,所述关键信息包括车辆登记编号信息、车辆型号信息、发动机型号信息和登记日期信息;
匹配模块,被配置为判断各项关键信息是否符合对应的编码要求,所述编码要求包括身份证号的位数为第一设定位数、车辆登记编号的位数为第二设定位数,以及登记日期符合预设日期格式;
存储模块,被配置为根据判断结果确定所述识别结果的存储地址,并按照所述存储地址对所述识别结果进行存储。
9.根据权利要求8所述的装置,其特征在于,所述识别模块,具体被配置为:
调用光学字符识别OCR组件,对同一车辆产权证对应的各图片的内容进行识别,得到包含有多个关键信息的识别结果。
10.根据权利要求8或9所述的装置,其特征在于,所述装置还包括:
登记编号信息确定模块,被配置为确定各图片中的车辆登记编号信息,并根据所述车辆登记编号信息,确定属于同一个车辆产权证的各个图片;
其中,属于同一车辆产权证的不同页图片中的车辆登记编号信息相同。
11.根据权利要求8所述的装置,其特征在于,所述匹配模块,具体被配置为:
将各关键信息按照对应的预设字段存储到表格中;;
对于已存储的各关键信息,基于自然语言处理NLP服务判断每个关键信息是否满足对应的编码要求;
相应的,所述存储模块,具体被配置为:
如果各关键信息均符合对应的编码要求,则将所述表格存入第一存储地址对应的第一文件夹中;
如果存在至少一项关键信息不符合对应编码要求,则将所述表格及对应的车辆产权证图片存入第二存储地址对应的第二文件夹中,其中,第一存储地址和第二存储地址不同。
12.根据权利要求11所述的装置,其特征在于,所述装置还包括:
标注模块,被配置为对所述表格中不符合对应编码要求的关键信息进行标注。
13.根据权利要求11所述的装置,其特征在于,所述装置还包括:
请求发送模块,被配置为发起人工审核请求,所述人工审核请求用于指示用户对于不符合对应编码要求的关键信息进行修正。
14.一种用于对车辆产权证处理处理的设备,其特征在于,包括:处理器和存储器,所述存储器中存储指令,所述指令由处理器加载并执行,以实现如权利要求1至7任一项所述的方法。
15.一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111675249.9A CN114387429A (zh) | 2021-12-31 | 2021-12-31 | 基于rpa及ai的车辆产权证处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111675249.9A CN114387429A (zh) | 2021-12-31 | 2021-12-31 | 基于rpa及ai的车辆产权证处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114387429A true CN114387429A (zh) | 2022-04-22 |
Family
ID=81199246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111675249.9A Pending CN114387429A (zh) | 2021-12-31 | 2021-12-31 | 基于rpa及ai的车辆产权证处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114387429A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117556078A (zh) * | 2024-01-11 | 2024-02-13 | 北京极致车网科技有限公司 | 可视化车辆登记证文件管理方法、装置及电子设备 |
-
2021
- 2021-12-31 CN CN202111675249.9A patent/CN114387429A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117556078A (zh) * | 2024-01-11 | 2024-02-13 | 北京极致车网科技有限公司 | 可视化车辆登记证文件管理方法、装置及电子设备 |
CN117556078B (zh) * | 2024-01-11 | 2024-03-29 | 北京极致车网科技有限公司 | 可视化车辆登记证文件管理方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5040142A (en) | Method of editing and circulating an electronic draft document amongst reviewing persons at remote terminals attached to a local area network | |
US20190034879A1 (en) | Systems, methods and apparatus for form building | |
WO2020024393A1 (zh) | 单证报销结算方法、装置、计算机设备及存储介质 | |
US20100128922A1 (en) | Automated generation of form definitions from hard-copy forms | |
CN112148509A (zh) | 数据处理方法、装置、服务器及计算机可读存储介质 | |
CN110532811B (zh) | 一种pdf签章方法及pdf签章系统 | |
CN110705237B (zh) | 文档的自动生成方法、数据处理设备及存储介质 | |
CN114092951A (zh) | 结合rpa及ai的财务票据处理方法、装置、系统、设备及介质 | |
CN112487490A (zh) | 篡改识别方法、设备和介质 | |
CN114386853A (zh) | 基于通用审核模型的数据审核处理方法、装置及设备 | |
CN114387429A (zh) | 基于rpa及ai的车辆产权证处理方法、装置、设备及介质 | |
CN114385196A (zh) | 结合rpa和ai的软件部署方法及装置 | |
CN114254022A (zh) | 基于rpa及ai的流程任务处理方法、装置、系统及服务器 | |
CN115366553A (zh) | 文件盖章方法、装置、印控机、介质及产品 | |
CN115022385A (zh) | 基于rpa和ai实现ia的对话式流程数据处理方法和装置 | |
CN115544132A (zh) | 数据导入方法、系统及电子设备 | |
CN115116069A (zh) | 文本处理方法、装置、电子设备及存储介质 | |
CN114297240A (zh) | 基于rpa及ai的付款凭证单据制作方法、装置、设备及介质 | |
CN112287828A (zh) | 一种基于机器学习的财务报表生成方法及装置 | |
CN114219438A (zh) | 基于rpa及ai的公文文件分发方法、装置、设备及介质 | |
CN113033169A (zh) | 业务数据处理方法和装置 | |
CN110941586A (zh) | 一种工程设计数据管理方法及系统 | |
CN110851083A (zh) | 一种内容可嵌套打印方法及打印系统 | |
CN117350249B (zh) | 一种电子文档数据自动录入的控件配置方法及系统 | |
CN116206407B (zh) | 医用胶片自助打印控制方法及打印终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |